Новая метрика MADQI для оценки детекции аномалий в морских данных AIS
Учёные разработали новую систематическую метрику для оценки детекции аномалий в морских данных автоматической идентификационной системы (AIS). Предложенный индекс получил название Maritime Anomaly Detection Quality Index (MADQI) и представляет собой композитный показатель, объединяющий четыре специализированные метрики.
Проблема оценки алгоритмов без учителя (unsupervised learning) давно стоит перед исследователями. Например, метод Isolation Forest широко применяется для поиска аномальных движений судов, но его качество сложно оценить без эталонных размеченных данных. MADQI решает эту задачу, предлагая комплексный подход.
В основе MADQI лежат четыре метрики: Consistency (ARC), Physical Plausibility Score (PPS), Score Distribution Separation (SDS) и Extreme Case Evidence (ECE). Они объединяются через автоматическую нормализацию с помощью многоблочной оценки и адаптивного масштабирования. Анализ данных производится на основе расчёта расстояния Хаверсина, что позволяет выявлять пространственно-поведенческие аномалии, такие как резкие изменения скорости, прыжки координат, временные разрывы или нехарактерные повороты.
Эксперименты на реальном наборе данных AIS показали, что предложенная система достигает общего балла MADQI 80,37%. Особенно высокие результаты продемонстрировали компоненты ECE (0,907) и ARC (1,000), что свидетельствует о способности алгоритма надёжно выявлять экстремальные аномалии и сохранять согласованность уровня аномалий.
Разработка представляет собой шаг к созданию более надёжных методов контроля судоходства и безопасности на море. В перспективе MADQI может стать стандартным инструментом для оценки моделей обнаружения аномалий в системах AIS, не требующих ручной разметки данных.
